總結用Python 操作 PDF 的幾種方法

python教學欄位今天要為大家總結用Python操作PDF的幾種方法。

01

前言

大家好，關於Python 操作PDF 的案例之前已經寫過一個?PDF批量合併，這個案例初衷只是給大家提供一個便利的腳本，並沒有太多講解原理,其中涉及的就是PDF 處理很實用的模組PyPDF2 ，本文就好好剖析這個模組，主要將涉及

• os 模組綜合應用
• glob 模組綜合應用
• PyPDF2 模組操作

02

#基本操作

PyPDF2 導入模組的程式碼常常是：

from PyPDF2 import PdfFileReader, PdfFileWriter复制代码

這裡導入了兩個方法：

• PdfFileReader 可以理解為讀取器
• PdfFileWriter# 可以理解為寫入器

接下來透過幾個案例進一步認識這兩個工具的奇妙之處，用到的範例檔案是5張發票的pdf

每張發票的PDF 都由兩頁組成：

03

合併

第一個工作是將5張發票pdf合併成10頁。這裡讀取器和寫入器該怎麼配合呢？

邏輯如下：

• 讀取器將所有pdf讀取一遍
• 讀取器將讀取的內容交給寫入器
• 寫入器統一輸出到一個新pdf

這裡還有一個重要的知識點：讀取器只能將讀取的內容一頁一頁交給寫入器。

因此，邏輯中第1步和第2步實際上不是彼此獨立的步驟，而是讀取器讀取完一個pdf後，就將這個pdf全部頁循環一遍，挨頁交給寫入器。最後等讀取工作全部結束後再輸出。

看一下程式碼可以讓想法更清楚：

from PyPDF2 import PdfFileReader, PdfFileWriter

path = r'C:\Users\xxxxxx'
pdf_writer = PdfFileWriter()

for i in range(1, 6):
    pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))
    for page in range(pdf_reader.getNumPages()):
        pdf_writer.addPage(pdf_reader.getPage(page))

with open(path + r'\合并PDF\merge.pdf', 'wb') as out:
    pdf_writer.write(out)复制代码

由於全部內容都需要交給同一個寫入器最後一起輸出，所以寫入器的初始化一定是在循環體之外的.

如果在循環體內則會變成每次存取讀取一個pdf就產生一個新的寫入器，這樣每一個讀取器交給寫入器的內容就會被重複覆蓋，無法實現我們的合併需求!

循環體開頭的程式碼：

for i in range(1, 6):
    pdf_reader = PdfFileReader(path + '/INV{}.pdf'.format(i))复制代码

目的就是每次迴圈讀取一個新的pdf 檔案交給讀取器進行後續操作。實際上這種寫法不是很提倡，由於各 pdf 命名恰好很規則，所以可以直接人為指定數字進行循環。更好的方法是用glob 模組：

import glob
for file in glob.glob(path + '/*.pdf'):
    pdf_reader = PdfFileReader(path)复制代码

程式碼中pdf_reader.getNumPages(): 能夠取得讀取器的頁數，並配合range 就能遍歷讀取器的所有頁。

pdf_writer.addPage(pdf_reader.getPage(page)) 能夠將目前頁交給寫入器。

最後，用 with 新建一個 pdf 並由寫入器的 pdf_writer.write(out) 方法輸出即可。

04

分割

如果明白了合併作業中讀取器和寫入器的配合，那麼分割就很好理解了，這裡我們以拆分INV1.pdf 為2個單獨的pdf 文件為例，同樣也先來捋一捋邏輯：

• 讀取器讀取PDF文件
• 讀取器一頁一頁交給寫入器
• #寫入器每取得一頁就立即輸出

透過這個程式碼邏輯我們也可以明白，寫入器初始化和輸出的位置一定都在讀取PDF 循環每一頁的循環體內，而不是在循環體外

代碼很簡單：

from PyPDF2 import PdfFileReader, PdfFileWriter
path = r'C:\Users\xxx'
pdf_reader = PdfFileReader(path + '\INV1.pdf')

for page in range(pdf_reader.getNumPages()):
    # 遍历到每一页挨个生成写入器
    pdf_writer = PdfFileWriter()
    pdf_writer.addPage(pdf_reader.getPage(page))
    # 写入器被添加一页后立即输出产生pdf
    with open(path + '\INV1-{}.pdf'.format(page + 1), 'wb') as out:
        pdf_writer.write(out)复制代码

05

浮水印

本次的工作是將下圖作為浮水印加入INV1.pdf 中

首先是準備工作，將需要作為浮水印的圖片插入word 中調整適當位置後儲存為PDF檔案。然後就可以碼程式碼了，需要額外用到copy 模組，具體解釋見下圖：

就是把讀取器和寫入器初始化，並且把水印PDF 頁先讀取好備用,核心程式碼稍微比較難理解：

加浮水印本質上就是把水印PDF 頁和需要加水印的每一頁都合併一遍

由於需要加浮水印的PDF可能有很多頁，而水印PDF 只有一頁，因此如果直接把水印PDF 拿來合併，可以抽象理解成加完第一頁，水印PDF 頁就沒有了。

因此不能直接拿來合併，而要把水印PDF 頁不斷copy 出來成新的一頁備用new_page ，再運用.mergePage 方法完成跟每一頁合併，把合併後的頁交給寫入器待最後統一輸出!

關於.mergePage 的使用：出現在下面的頁面.mergePage (出現在上面的頁面)，最後效果如圖：

06

加密

「加密是針對寫入器加密」

pdf_writer.encrypt (密碼)

以單一PDF 的加密為例：

以上是總結用Python 操作 PDF 的幾種方法的詳細內容。更多資訊請關注PHP中文網其他相關文章！